PCA结果解释

Question

我正在学习PCA，我试图将这个方法应用于R中的mtcar数据集，这是我的代码：

library(usethis)
library(devtools)
library(ggbiplot)  

mtcars.pca <- prcomp(mtcars[,c(1:7,10,11)], center = TRUE,scale. = TRUE)
mtcars.country <- c(rep("Japan", 3), rep("US",4), rep("Europe", 7),rep("US",3), "Europe", rep("Japan", 3), rep("US",4), rep("Europe", 3), "US", rep("Europe", 3))
ggbiplot(mtcars.pca,ellipse=TRUE,  labels=rownames(mtcars), groups=mtcars.country)
    
# Results for Variables
res.var <- get_pca_var(mtcars.pca)
res.varcoord          # Coordinates
res.var#qcStackCode#contrib        # Contributions to the PCs
res.var$cos2           # Quality of representation

# Results for individuals
res.ind <- get_pca_ind(mtcars.pca)
res.indcoord          # Coordinates
res.ind#qcStackCode#contrib        # Contributions to the PCs
res.ind$cos2           # Quality of representation

res.var$contrib的含义是什么？我如何解释这些价值观？

Answer 1

正如您的注释所提到的，contrib列包含对主组件的所有贡献。这是关于PCA的一个可变贡献的答案中的用户chl很好地解释了这意味着什么：

如果您有一个使用FactoMineR::PCA构造的"PCA“对象，那么变量贡献值将存储在对象的$var$contrib槽中。贡献是变量和分量轴(或余弦，从几何角度来看)之间的平方相关性的一个比例版本

换句话说，它显示每个变量对创建每个主组件的贡献有多大。这个值是一个百分比，每个主成分的所有值加起来都是100%。